Программирование для анализа данных

Магистратура 2026/2027

ID 1231031

Статус: Курс обязательный (Цифровые коммуникации и продуктовая аналитика)

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 2 модуль

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Преподаватели: Николаев Ян Андреевич

Язык: русский

Кредиты: 3

Контактные часы: 32

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс посвящен практической работе с данными на Python в Jupyter Notebook: получению, очистке, объединению, анализу и визуализации данных для решения задач цифровых коммуникаций и маркетинга. SQL изучается как дополнительный инструмент выборки и агрегирования табличных данных. Особое внимание уделяется проверке корректности результатов, воспроизводимости анализа и ответственному использованию ИИ-инструментов. Курс готовит к дальнейшему изучению машинного обучения. По его окончании студент умеет определять единицу наблюдения, целевую переменную и допустимые признаки, готовить таблицу и выявлять очевидные случаи утечки целевой информации. Обучение моделей не входит в обязательные результаты дисциплины.

Цель освоения дисциплины

Научиться определять последовательность действий с данными для решения прикладной аналитической задачи; выполнять эти действия на Python и с помощью базовых SQL-запросов; проверять вычисления, объяснять выводы и их ограничения.

Планируемые результаты обучения

Работает в Jupyter Notebook, использует переменные, коллекции, условия, циклы и функции Python.
Использует pandas для фильтрации, группировки, объединения таблиц и расчета прикладных показателей
Составляет базовые SQL-запросы с фильтрацией, агрегированием и соединениями; сравнивает результаты запросов и вычислений в pandas.
Выполняет разведывательный анализ, выбирает подходящий график, делает выводы и указывает ограничения анализа.
Объясняет принципы работы API, пользуется документацией, обрабатывает JSON-ответы и основные ошибки при получении данных.
Подготавливает данные для дальнейшего анализа и машинного обучения, объясняет риск утечки информации.
Воспроизводит результат при выполнении всех ячеек после перезапуска ядра Jupyter; проверяет код, предложенный ИИ, и самостоятельно адаптирует решение к измененному условию задачи.

Содержание учебной дисциплины

Python и воспроизводимая работа в Jupyter
pandas: подготовка, объединение и проверка данных
Базовый SQL, разведывательный анализ и визуализация
API, воспроизводимый анализ и подготовка данных для машинного обучения

Элементы контроля

Работа на семинарах
Оценка за онлайн-курс
Python как иностранный https://edu.hse.ru/course/view.php?id=133389
Исследование учебного набора данных
Экзамен

Промежуточная аттестация

2026/2027 2nd module
0.2 * Оценка за онлайн-курс + 0.3 * Исследование учебного набора данных + 0.2 * Экзамен + 0.3 * Работа на семинарах

Список литературы

Авторы

Грызунова Елена Аркадьевна

Программа дисциплины